Este artigo se baseia na pesquisa da ArcelorMittal Brasil, empresa que
comercializa aços, aços planos e laminados, bobinas e produtos laminados em todo o país, e acrescenta o seguinte questionamento: Como ter uma previsão confiável de quantos veículos poderão chegar em um dado horizonte de tempo? Este é um dos principais fatores para o sucesso das atividades logísticas da empresa. Para resolver este problema, foi criado um sistema de planejamento de veículos com base na estimativa de data / hora de chegada. Com essa base de tempo do sistema, os funcionários podem evitar os seguintes problemas: realocar recursos corretamente, evitar custos imprevistos e melhorar o relacionamento com os clientes. Além das enormes vantagens que o sistema oferece, as séries temporais também são necessárias para entender melhor os resultados apresentados e reduzir os erros de previsão.
DESCRIÇÃO DA ANÁLISE
O sistema de agendamento próprio da empresa é utilizado para apurar o
número de veículos agendados para a marcação, com um lead time de 1 ou 2 dias. O modelo de planejamento é um compromisso entre fornecedores ou transportadoras para garantir a chegada do motorista dentro do prazo. É um fator que não evita atrasos ou viagens imprevistas, podendo calcular a média móvel de todo o conjunto de dados a partir do final do período. Para as métricas de erros do sistema de agendamento, foram considerados a fórmula: erro(ei) é a diferença entre o valor medido no tempo (yi) pelo valor previsto (^yi) no tempo i Ei=yi-^yi A métrica escolhida para comparação dos métodos é a Root Mean Squared Error (RMSE) – Erro Médio Quadrático que é calculado pela equação
Nesse artigo foi utilizado o método Expanding Window (EW) devido a
possibilidade de aumentar a amostra de treino.
RESULTADOS
O conjunto de dados inicia em 01/01/2019 e finaliza em 31/12/2019. As
amostras de treinamento iniciam de 01/01/2019 a 09/01/2019 (8 meses), as amostras de teste iniciam de 09/02/2019 à 15/09/2019 (14 dias). Desde esse período, a técnica de EW foi aplicada em 12 etapas consecutivas. Depois de testar e analisar as 4 técnicas de séries temporais aplicadas, nomeadamente, suavização exponencial (Holt-Winters), SARIMA, LSTM e média móvel ajustada (naive). Pode-se concluir que as técnicas de suavização exponencial (Holt-Winters) e SARIMA fornecem uma previsibilidade de 56% abaixo da linha de base (1 dia de antecedência) RMSE dentro do intervalo de previsão de 14.
DISCUSSÃO
O desempenho do modelo de suavização exponencial (HoltWinters) e SARIMA
é melhor do que outros métodos e sistemas de previsão. É necessário comparar os métodos de diferentes amostras, pois, alguns modelos apresentam variabilidade relativa entre as amostras. Conforme declarado no título deste artigo, o objetivo dessas descobertas é desenvolver métodos que possam estender os recursos preditivos do sistema. Porque cada método tem vantagens e desvantagens, e uma complementar a outra.
Proposta de Implantação Do Plano de Manutenção Centrada em Confiabilidade e Segurança Do Trabalho, para Caminhões Canavieiros em Uma Unidade Açucareira em Campo Alegre - Alagoas